論文の概要: The Resolution of Causal Heterogeneity
- arxiv url: http://arxiv.org/abs/2607.17280v1
- Date: Sun, 19 Jul 2026 14:56:06 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-21 18:48:37.417764
- Title: The Resolution of Causal Heterogeneity
- Title（参考訳）: 因果不均一性の解消
- Abstract要約: 因果部分群分析はしばしば、その数がよく定義された推定値であるかのように、治療効果の不均一性を要約する少数の群を報告する。
我々はこれを新しい人口推定法、解像度プロファイル、因果的特徴法の機能に置き換える。
推論は、1つの構造化モーメントプロセスのために、1つのクロスフィットベイズ・ブートストラップ後部を中心に構成される。
- 参考スコア（独自算出の注目度）: 5.222979968110479
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Causal subgroup analyses often report a small number of groups summarizing treatment effect heterogeneity, as if that number were a well-defined estimand. Outside genuinely latent class populations, however, a ``true'' subgroup count is model dependent rather than a population functional. We replace it with a new population estimand, the resolution profile, a functional of the causal feature law giving the fewest groups explaining a prescribed fraction of causal heterogeneity, defined for every population without latent structure. Inference is organized around one cross-fitted Bayesian-bootstrap posterior for a single structured moment process, its scores corrected with influence functions, so that paths, profiles, fixed-resolution summaries, and subgroup effects follow by composition. A uniform conditional Bernstein--von Mises theorem over a loss class containing the nonsmooth quantization losses shows this posterior merges with the efficient Gaussian limit under stated nuisance-rate and margin conditions. Subgroup-number uncertainty is not model selection but threshold nonregularity, the profile being an integer-valued threshold of a continuous path, discontinuous in the law at each knot. At these knots no single-valued selector is locally uniformly consistent over root-$n$ neighborhoods, and the set-valued report obtained by inverting a simultaneous band retains locally uniform validity over exactly the same perturbations. Simulations support the approximations, and an analysis of the MineThatData e-mail experiment illustrates the resolution-indexed report, in which two to three groups summarize the visit response while finer structure falls below a noise-floor diagnostic.
- Abstract（参考訳）: 因果部分群分析はしばしば、その数がよく定義された推定値であるかのように、治療効果の不均一性を要約する少数の群を報告する。
しかし、真に潜伏する集団以外では、'true' の部分群数は人口関数よりもモデル依存である。
我々はこれを新しい人口推定法、分解プロファイル、因果的特徴法の機能に置き換え、因果的不均一性を規定する最少の集団を、潜伏構造を持たない全ての集団に対して定義する。
推論は、1つの構造化モーメントプロセスにおいて1つのクロスフィットしたベイズ・ブートストラップ後部を中心に構成され、そのスコアは影響関数によって補正される。
非滑らかな量子化損失を含む損失クラス上の一様条件のベルンシュタイン-ヴォン・ミセスの定理は、この後続のガウス極限と、記述されたニュアンスレートとマージン条件の下での効率的なガウス極限とをマージすることを示している。
部分群数の不確実性はモデル選択ではなくしきい値非規則性であり、プロファイルは連続経路の整数値しきい値であり、各結び目の法則では不連続である。
これらの結び目において、単値セレクタはルート$n$地区に対して局所的に一様であり、同時帯域を反転した集合値レポートは、全く同じ摂動に対して局所的に均一な妥当性を保持する。
シミュレーションは近似をサポートし,MineThatDatae-mail実験の分析は,2～3つのグループが来訪応答を要約し,より微細な構造がノイズフロア診断に該当することを示す。
関連論文リスト
- Characterizing Heterogeneous Rates in Finite Mixture Estimation via Partial Optimal Transport [88.55403215843967]
改良された局所および大域収束保証を得るためのボロノイ系部分最適輸送(VPOT)は、混合測定の最大極大推定器である。
結果は、混合比例が真の混合成分の数についてのゼロまたは以前の知識から一様に制限されることなく、任意の固定次元で保持される。
論文 参考訳（メタデータ） (2026-09-15T04:32:53Z) - Causal inference for group-contaminated structured outcomes: observable quotients, lossless reduction and exact randomization inference [0.0]
制限のない観測モデル X = について検討する。
Y(A)はその観測可能な情報を特徴付ける。
商-忠実復元定理は、完全変換実験には商還元が十分であることを示す。
論文 参考訳（メタデータ） (2026-08-12T11:39:50Z) - When Is a General Factor Distinguishable? Non-Proportionality, Stable Structure, and the Bifactor Decision [2.1494179586067537]
識別可能性(distinguishability)は、K$-factorクラスへの人口距離によって測定される。
4つの経験的データセットは、可能な結果を示している。
論文 参考訳（メタデータ） (2026-08-11T09:46:15Z) - How Useful is Causal Invariance for Domain Adaptation in Finite-Sample Settings? [58.740078141879984]
機械学習モデルは、トレーニングされたソースディストリビューションとは異なるターゲットディストリビューションにデプロイされると、しばしば劣化する。
因果関係に基づく領域一般化における最近の研究は、共用因果構造が不変な予測因子を誘導する方法を示している。
本稿では,完全あるいは部分的な因果知識が,教師付きドメイン適応を確実に改善できるかどうかについて検討する。
論文 参考訳（メタデータ） (2026-06-10T21:07:49Z) - Topological Ignorability for Structural Causal Effects Beyond Means [0.0]
介入は平均よりも結果分布の構造を変化させる。
平均治療効果のような平均的な因果推定は重要な構造的効果を欠く可能性がある。
本稿では,介入結果法則の要約に基づくトポロジカル・幾何学的因果指標を提案する。
論文 参考訳（メタデータ） (2026-05-31T11:56:53Z) - The conditional-mean barrier: From deterministic regression to conditional distribution learning [6.160113667162026]
このチュートリアルでは、条件-平均障壁を中心とした自己完結モジュールを開発する。
平方損失予測器に潜在ランダム性を加えると、条件平均に戻る。
我々は,否定的対数類似度,モーメントとオブザーバブルマッチング,変分目的,逆数分岐,スコアマッチングなどの共通分布目的を短時間に整理する。
論文 参考訳（メタデータ） (2026-05-27T07:31:42Z) - Partition Function Estimation under Bounded f-Divergence [18.170877027040362]
本研究では,提案分布へのサンプルアクセスを前提とした分割関数の推定の統計的複雑さについて検討する。
本結果は, 重要サンプリング, 拒絶, サンプリング, 重み付き平均推定の事前解析を統一し, 一般化するものである。
論文 参考訳（メタデータ） (2026-02-26T22:34:36Z) - From Tail Universality to Bernstein-von Mises: A Unified Statistical Theory of Semi-Implicit Variational Inference [0.12183405753834557]
半単純変分推論 (SIVI) は$q() = int k(| z) r(dz)$ という形の近似後部を構成する
本稿では,このような家族に対する「近似最適化統計学」を統一的に展開する。
論文 参考訳（メタデータ） (2025-12-05T19:26:25Z) - Nonparametric Identifiability of Causal Representations from Unknown
Interventions [63.1354734978244]
本研究では, 因果表現学習, 潜伏因果変数を推定するタスク, およびそれらの変数の混合から因果関係を考察する。
我々のゴールは、根底にある真理潜入者とその因果グラフの両方を、介入データから解決不可能なあいまいさの集合まで識別することである。
論文 参考訳（メタデータ） (2023-06-01T10:51:58Z) - Optimal Clustering with Bandit Feedback [57.672609011609886]
本稿では,バンディットフィードバックを用いたオンラインクラスタリングの問題点について考察する。
これは、NPハード重み付きクラスタリング問題をサブルーチンとして解決する必要性を回避するための、シーケンシャルなテストのための新しい停止規則を含む。
合成および実世界のデータセットの広範なシミュレーションを通して、BOCの性能は下界と一致し、非適応的ベースラインアルゴリズムよりも大幅に優れることを示す。
論文 参考訳（メタデータ） (2022-02-09T06:05:05Z) - GroupifyVAE: from Group-based Definition to VAE-based Unsupervised
Representation Disentanglement [91.9003001845855]
他の誘導バイアスを導入しないと、VAEベースの非監視的非絡み合いは実現できない。
グループ理論に基づく定義から導かれる制約を非確率的帰納的バイアスとして活用し,vaeに基づく教師なし不連続に対処する。
提案手法の有効性を検証するために,5つのデータセット上で,vaeベースモデルが最も目立つ1800モデルをトレーニングした。
論文 参考訳（メタデータ） (2021-02-20T09:49:51Z) - Log-Likelihood Ratio Minimizing Flows: Towards Robust and Quantifiable
Neural Distribution Alignment [52.02794488304448]
そこで本研究では,対数様比統計量と正規化フローに基づく新しい分布アライメント手法を提案する。
入力領域の局所構造を保存する領域アライメントにおいて,結果の最小化を実験的に検証する。
論文 参考訳（メタデータ） (2020-03-26T22:10:04Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。